信号处理 / 系统课时

用复指数解释频率分解

用复指数解释频率分解

正弦和余弦适合描述振荡,但直接用它们推导 LTI 系统的响应往往很繁琐。复指数把相位旋转、幅度和频率统一到一个表达式中,因此既能表示正弦信号,又能让卷积和频率响应的计算变得直接。

学习目标

  • 能用欧拉公式把正弦、余弦与复指数互相转换。
  • 能解释复指数为何是离散 LTI 系统的特征函数。
  • 能理解频率分解为何可以转化为“逐频率缩放与移相”。

欧拉公式把振荡写成旋转

欧拉公式是连接实数振荡与复平面旋转的桥梁:

ejθ=cos⁡θ+jsin⁡θe^{j\theta}=\cos\theta+j\sin\theta

因此,一个单位幅度的复指数可以看成复平面上的单位向量:角度随时间变化,而它在实轴和虚轴上的投影分别是余弦与正弦。反过来,

cos⁡(ωn)=ejωn+e−jωn2\cos(\omega n)=\frac{e^{j\omega n}+e^{-j\omega n}}{2}
sin⁡(ωn)=ejωn−e−jωn2j\sin(\omega n)=\frac{e^{j\omega n}-e^{-j\omega n}}{2j}

这说明真实的正弦信号可以由一对频率相反、互为共轭的复指数组合得到。

复指数在复平面旋转并投影成正弦与余弦

复指数是 LTI 系统的特征函数

设输入为单一复指数

x[n]=ejωnx[n]=e^{j\omega n}

经过冲激响应为 h[n]h[n] 的 LTI 系统后,

y[n]=∑k=−∞∞h[k]ejω(n−k)y[n]=\sum_{k=-\infty}^{\infty}h[k]e^{j\omega(n-k)}

把与 kk 无关的部分提出:

y[n]=ejωn∑k=−∞∞h[k]e−jωky[n]=e^{j\omega n}\sum_{k=-\infty}^{\infty}h[k]e^{-j\omega k}

在该和式收敛时,定义

H(ejω)=∑k=−∞∞h[k]e−jωkH(e^{j\omega})=\sum_{k=-\infty}^{\infty}h[k]e^{-j\omega k}

就得到

y[n]=H(ejω)ejωny[n]=H(e^{j\omega})e^{j\omega n}

输出的频率没有变,只是被复数 H(ejω)H(e^{j\omega}) 乘了一次。它的模改变幅度,它的辐角改变相位。这就是复指数被称为 LTI 系统“特征函数”的原因:经过系统后,信号形状仍属于同一类。

频率分解为什么有用

如果一个复杂信号可以写成许多不同频率复指数的叠加,那么利用 LTI 系统的线性性,就可以分别计算每个频率分量的响应,再把结果相加。

换句话说,时域里的卷积问题在频域里变成了更简单的乘法问题:每个频率只需要知道一次 H(ejω)H(e^{j\omega}),就能确定该频率会被放大、衰减和移相多少。后续的 DTFT、DFT 和 FFT 都建立在这一思想上。

从正弦响应回到工程直觉

实际系统的输入通常是实信号,所以正弦与余弦仍然是最终可观测的波形;复指数只是让计算更简单的中间语言。对于一个频率为 ω\omega 的正弦输入,只要对应频率响应存在,LTI 系统不会改变该分量的频率,而是按照 H(ejω)H(e^{j\omega}) 的幅值和相位对它做缩放与移相。

因此,所谓“把信号分解到频域”,本质上是在问两个问题:信号由哪些复指数频率组成,以及系统会怎样处理每一个频率分量。理解这两点,就能从时域卷积自然过渡到频率响应。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用复指数解释频率分解

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通